Une brève formation améliore la détection des visages créés par l'IA

Une formation brève apprenant à reconnaître les schémas généraux dans les portraits numériques a fait passer la précision des participants pour distinguer les visages faux d'environ 40 % à 80 %. Cette découverte, publiée dans la revue Proceedings of the National Academy of Sciences, propose une alternative face à la rapidité avec laquelle évoluent les générateurs d'images.

La recherche, relayée par Scientific American, propose de s'éloigner de la recherche d'erreurs isolées (comme des oreilles déformées, des pupilles dupliquées ou des accessoires incohérents) pour prêter attention à une impression plus globale du visage. Selon l'étude, les images créées par l'intelligence artificielle réunissent souvent des traits trop équilibrés, attractifs et conventionnels.

Les erreurs visibles ne suffisent plus à détecter un visage artificiel

Les premières outils de génération d'images laissaient des défauts faciles à identifier. Une peau excessivement uniforme, un regard étrange ou des détails anatomiques impossibles pouvaient révéler que la photo ne correspondait pas à une personne réelle. Cependant, ces indices ont perdu leur utilité à mesure que les modèles se sont améliorés.

Les programmes actuels peuvent produire des portraits capables de tromper même des observateurs attentifs. Cette difficulté a des conséquences pratiques dans les environnements numériques où une photo de profil peut être utilisée pour simuler une identité. Des plateformes comme Zoom et Tinder permettent déjà, dans certains cas, des vérifications biométriques (y compris des scans de rétine) pour s'assurer qu'une personne se cache derrière un compte.

Le problème d'entraîner les utilisateurs à trouver des défauts ponctuels est que chaque mise à jour peut les corriger. De plus, une image peut varier selon le modèle utilisé ou l'instruction reçue par le système. « L'IA devient trop performante », a averti Amy Dawel, psychologue clinique et cognitive à l'Université nationale d'Australie, dans des déclarations rapportées par le média américain.

L'intelligence artificielle crée des visages proches de la moyenne

L'équipe de Dawel a choisi une autre approche. Au lieu de demander aux participants de chercher des anomalies techniques, elle leur a expliqué comment se forment les portraits synthétiques. Les générateurs d'images sont entraînés sur des bases contenant des millions de photographies et extraient des schémas mathématiques communs entre ces visages.

Lorsqu'ils reçoivent l'ordre de créer un portrait, les systèmes ne reproduisent pas nécessairement un visage concret. Ils construisent une nouvelle combinaison à partir de caractéristiques fréquentes dans leur matériel d'entraînement. En conséquence, ils tendent à produire des traits proches d'une version moyenne de l'humain.

Cette inclinaison peut donner l’impression que le résultat est proportionné, symétrique et agréable, mais aussi peu singulier. La formation a indiqué aux participants d’observer six signes : une symétrie, une proportion et un attrait élevés, ainsi qu’une expressivité, une distinction et une capacité de mémorisation plus faibles par rapport à celles des visages réels.

La formation a élevé la précision de 40 % à 80 %

Après avoir reçu ces directives, les volontaires ont amélioré leurs performances dans une tâche de comparaison d’images. Le taux de réussite est passé d’environ 40 % à 80 %, selon les résultats cités par Scientific American. Cette augmentation s’est produite avec des sessions d’entraînement relativement courtes.

Sophie Nightingale, professeure de psychologie à l’université de Lancaster, a jugé pertinent que la méthode centrée sur l’impression globale des visages ait permis des améliorations d’une telle ampleur. La spécialiste a souligné que la stratégie a permis aux participants d’identifier plus facilement quelles images provenaient d’un générateur artificiel.

L’approche ne suggère pas que chaque visage symétrique ou attrayant soit faux. Aucune des six caractéristiques ne constitue une preuve en soi. Le critère découle de la combinaison : un visage trop régulier, générique, peu expressif et difficile à retenir peut justifier un examen supplémentaire de son origine.

Les auteurs soutiennent que les personnes réelles s’écartent de la moyenne grâce à de nombreux détails : une légère différence entre les deux côtés du visage, des traits distinctifs, des marques particulières et des expressions qui changent selon le contexte. Ces variations influencent la reconnaissance d’un visage.